Wind Power Bidding Strategy Based on the Minimax Regret Criterion with Limited Distribution Information

In optimal wind bidding strategy related literatures, it is usually assumed that the full distribution information (for example, the cumulative distribution function or the probability density function) of wind power output is known. In real world applications, however, only very limited distribution information can be obtained. Therefore, the “optimal bidding strategy” obtained based on the hypothetical distribution may be far away from the true optimal one. In this paper, an optimal bidding strategy is obtained based on the minimax regret criterion. The salient feature of the new approach is that it requires only partial information of wind power distribution, for example, the expectation and the support set. Numerical test is then performed and the results suggest that the method established in this paper is effective.

带交易费用组合证券投资的minimax模型

交易费用对投资者的投资绩效具有直接影响.本文研究了在具有交易费用的情形下,资产投资上限有界以及不允许卖空的证券投资组合优化问题.模型以最小化最大个人风险的minimax准则作为风险度量方法.利用凸规划的Lagrange乘子法与KuhnTucker条件,得到了投资者最优投资策略的显式表达式.最后,利用数值例子阐述了该风险控制模型的投资策略,从而为投资者提供决策依据.

求解约束Minimax问题一种改进的可行下降束方法

通过引入一个新型下降测试准则,提出了求解不等式约束极大极小(Minimax)问题一种改进的可行下降束方法。该方法不仅克服了现有方法下降参数选取的困难,而且简化了理论分析。算法具备全局收敛性,且数值试验结果具有明显优势。

基于LQR指标的鲁棒PID整定方法及鲁棒稳定性裕度评估

根据 L QR指标 ,结合最小最大原理 ,使用改进遗传算法作为优化搜索算法 ,提出一种新的鲁棒 PID参数整定方法 .该方法有三个优点 :首先能通过选取衰减系数和自然频率来获取期望的闭环特性 ,并获取近似的 L QR权矩阵 ;其次为 PID控制器增加了一定程度的预测性能 ,最后用本方法设计的控制器对模型误差和外部干扰都表现出一定的鲁棒性 .仿真实例证实了该方法的有效性 .

基于最小最大后悔值准则的供应链鲁棒协调模型

研究了需求不确定条件下,基于最小最大后悔值准则的供应链鲁棒回购契约协调问题。针对未知需求具体分布形式的两级供应链系统,建立了供应链鲁棒回购契约协调模型。在仅知需求区间这一信息条件下,采用鲁棒优化方法求解了最小最大后悔值准则下的集成供应链鲁棒订货策略和分散供应链鲁棒契约协调策略。分析了不同服务水平和契约参数条件下,由于信息缺失而未能实现最优运作的供应链及其成员后悔值情况。最后,进行了数值计算,验证了不同需求分布形式假设下的最优决策与基于最小最大后悔值准则的鲁棒决策的优劣性,以及供应链鲁棒回购契约协调策略的有效性。结果表明,基于最小最大后悔值准则的供应链回购契约协调策略具有良好的鲁棒性,并且能够有效减少需求不确定性对系统及其成员运作绩效的影响。

故障字典法模糊域划分改进方法

文中提出了两种新的模糊域划分方法:基于极大极小准则的模糊域划分方法和基于聂曼一皮尔逊准则的模域糊划分方法。这两种方法有效的解决了在先验概率未知或先验概率和故障代价均未知的条件下,如何动态可变且快速的划分模糊域的问题。并通过实际电路仿真对这两种方法的有效性和实用性进行了验证。

线形小区中基于定时捕获阶段的最优天线位置设计

针对线形小区,研究设计了基于定时捕获阶段的分布式天线的位置。首先,利用互相关定时捕获方法建立捕获模型;然后,基于极小极大准则,找出线形小区中移动台不同位置时定时捕获的最坏情况;最后,利用定时捕获最坏情况概率推导出每根分布式天线的最优位置。仿真研究表明:当线形小区中移动台位置均匀分布时,任意多根分布式天线的最优天线位置应基于线形小区的中心对称放置;载波频率偏移对分布式天线的最优位置影响并不明显。

基于最小最大准则的虚拟声重放鲁棒算法

虚拟声在扬声器重放时需先通过串声消除系统(cross-talk cancellation system,CCS)来预校正;但该系统对倾听者头部位置的变化非常敏感。提出了一个基于最小最大准则的优化算法,通过在频域中自适应地调整相关参数,来达到全局的串声消除性能的最优。仿真结果表明相较常规的针对固定听音位置的CCS算法,提出的算法在头部移动时对重放声场控制具有更好的鲁棒性;尤其是在语音信号能量主要集中的低频和中频段时,具有更好的应用性。

基于改进最小最大准则的分类器设计研究(英文)

主要探讨先验概率未知情况下的分类器设计问题。为了解决传统的最小最大分类器性能有限的不足,提出了基于分段线性化的分类器设计方法。方法不仅是最小最大准则的改进,而且也是最优贝叶斯分类器的更好近似。通过说话人识别的应用,验证了所提出算法的有效性。

极小极大拟合准则下的在线参数估计方法

提出一种采用极小极大拟合准则的实用的在线参数估计方法。为此采取了两条有效措施。第一，将在线辨识中最常用的遗忘因子引入极小极大拟合准则；第二，通过研究有关的极小极大优化问题的对偶问题设计在线递推算法。前者使推广后的极小极大拟合准则具有追踪时变参数的能力，后者则为构造实用的在线递推算法提供了可行的途径。大量仿真研究表明，提出的在线参数估计方法具有较好的性能。

基于极大极小准则的模糊域划分方法

在分析模拟电路故障诊断中传统的故障字典法的两类模糊域划分方法的基础上 ,提出一种新的模糊域划分方法——基于极大极小准则的模糊域划分方法。此方法有效地解决了在先验概率未知的条件下 ,如何动态可变且快速地划分模糊域的问题。

综合考虑自然灾害与人为攻击的电-气互联系统优化配置方法

电-气互联系统是一种典型的综合能源系统,综合能源系统能有效应对环境问题与能源危机,但日益频发的极端事件为其发展带来巨大挑战。传统恢复力相关研究大多只考虑极端自然灾害对系统的影响,并未考虑自然灾害和人为攻击同时发生的情况。传统优化配置相关研究主要基于长时间的运行经济性,而对基于恢复力的设备优化配置鲜有研究。为提升综合能源系统在极端事件下的恢复力,综合考虑了自然灾害与人为攻击,提出一种电-气互联系统中燃气轮机与储气系统的优化配置方法。在自然灾害场景生成后,建立防御-攻击-防御(defender-attacker-defender,DAD)的随机优化模型,通过改进的嵌套列和约束生成算法(nestedcolumn&constraintgeneration,NCCG)与逐步对冲算法(progressive hedging algorithm,PHA)对其进行求解。以最小最大后悔值准则(minimax-regret criterion)确定最终配置方案。最后通过算例验证了所提方法的有效性,并分析了不同场景下系统的恢复力水平。

一种高效的高维异常数据挖掘算法

针对高维异常数据的挖掘问题,提出一种基于最大间隔准则和最小最大概率机的高维异常数据挖掘算法。利用最大间隔准则算法将高维数据投影到低维特征空间,再利用最小最大概率机进行异常数据的挖掘。实验结果表明,该算法检测准确率较高。

圆柱度误差最小区域的几何判别

利用极差极小化理论，揭示了圆柱度误差最小区域的几何特征．在圆柱度误差最小区域代数判别条件的基础上，总结出非退化条件下圆柱度误差最小区域的几何判别条件，验证了两种判别条件的一致性，为采用置换算法评定圆柱度误差提供了一种新的有效途径．

关于函数极值存在条件的注记

以Ｔａｙｌｏｒ公式为基础，引入了函数极值的判别函数，统一了经典教材中关于函数极值存在的两个判别准则，得出函数极值存在的一般判别法．

一种软判决下的RS码识别算法

针对现有RS码识别算法需要对码字符号在不同域之间进行转化,且容错性能较差的问题,该文提出一种直接利用软判决序列完成RS码识别算法。算法首先从RS码定义出发,给出了RS码校验关系从GF(2^m)到GF(2)上的等价转换方式,从而避免了不同域下复杂的符号转化;其次引入了能够衡量校验关系成立大小的平均校验符合度概念,然后基于其统计特性以及极大极小判决准则,遍历可能的码长以及对应的m级本原多项式,进行初始码根校验匹配,从而完成码长以及本原多项式识别;最后利用识别出的码长以及本原多项式,构建本原多项式下GF(2^m),进行连续码根匹配判决,最终完成码生成多项式识别。仿真结果表明:推导的平均校验符合度统计特性与实际情况一致,算法能在低信噪比下有效完成参数识别;同时该算法具有较好的低信噪比适应能力,在信噪比为6 dB条件下,工程中常见的RS码识别率均能达到90%以上。与现有算法相比,该文算法性能明显好于硬判决算法,且比传统算法提升1 dB以上性能。

高误码率下归零Turbo码参数识别

针对现有归零Turbo码码长、帧同步、码率等参数识别算法存在容错性能低且计算复杂度高的缺点,提出了一种具有高容错性的识别算法。利用每帧初始两码元的差分结果为确定零点特性,构建新的差分序列分析矩阵,通过改变分析矩阵的列数并作特定的矩阵变换,实现码长识别。基于极大极小准则,解算出确定零点与随机零点的判决门限,实现确定零点识别,然后通过遍历确定零点,完成帧同步识别。从工程实际以及编码约束关系出发,遍历码率以及寄存器个数的可能值,实现码率以及寄存器个数识别。仿真实验表明:差分确定零点位置分布与总结的3个特点一致,判决门限能够有效判断差分确定零点;该算法容错性能较强,在误码高达0.20条件下,各种参数识别率能够达到96%以上,且所需码元数据量以及计算复杂度远小于现有算法。

椭球约束下混合模型的线性极小极大估计

给出在椭球约束下带随机信息的混合模型的线性极小极大估计b(2 ) ,讨论了b(2 ) 在MDE-Ⅱ准则下相对于经典回归模型在椭球约束下的线性极小极大估计b(1) 的优良性 ,并得出了b(2 ) 比b(1)

基于一次观察的Bayes接收机在低信噪比时的性能改进

从基于一次观察的双择Ｂａｙｅｓ接收机在低信噪比工作状态下存在不稳定工作点出发，详细分析了Ｎｅｙｍａｎ－Ｐｅａｒｓｏｎ接收机和Ｍｉｎｉｍａｘ接收机的工作特性，特别指出了在低信嗓比时，Ｎｅｙｍａｎ－Ｐｅａｒｓｏｎ接收机和Ｍｉｎｉｍａｘ接收机仍能稳定工作，并讨论了低信噪比时接收机的判决策略。所以，在低信嗓比时，Ｂａｙｅｓ接收机避开不稳定工作点的方法是改变工作状态，以使接收机能够提供有效判决。

基于正交表的中心组合设计及其预测方差

预测能力是评价设计优劣的一个重要准则,通过方差散布图可以准确获得设计在一定区域内的预测能力。本文首先介绍了最新提出的基于正交表的中心组合设计(OACD)以及基于极小极大准则的改进设计(OACM),然后证明了无论是OACD设计还是OACM设计,均不具备旋转性,即预测方差在球面上无法达到一致。最后本文给出了在不同因子数下,OACD设计和OACM设计在预测方差上的模拟比较。结果表明,对于方差散布图包含的平均预测方差、最大预测方差、最小预测方差三个指标,OACM设计均一致优于OACD设计,其结果可以为实际试验工作者提供最优设计选择上的参考。